Выпускники MSU.AI получили грант на реализацию собственных курсов

Ежегодно фонд “Интеллект” проводит Конкурс на разработку и апробацию новых, а также обновление и апробацию имеющихся семестровых курсов по направлениям «компьютерные науки», «применение методов искусственного интеллекта в различных областях науки» среди молодых учёных МГУ имени М. В. Ломоносова.

В этом году фонд “Интеллект” поддержал четырёх авторов курсов по ИИ, двое из которых – выпускники 4-го потока курса “Нейронные сети и их применение в научных исследованиях”: Елизавата Чечехина и Никита Беляков.

Победители Конкурса получат индивидуальный грант от фонда “Интеллект” в размере 500 тысяч рублей на разработку и апробацию нового семестрового курса или 300 тысяч рублей на обновление и апробацию ранее разработанного семестрового курса.

В осеннем семестре при поддержке фонда будут реализованы следующие курсы:

1. "Методы машинного обучения для обработки биологических и медицинских изображений". Автор курса: Елизавета Чечехина – аспирант Факультета фундаментальной медицины МГУ, выпускница MSU.AI.

Это практико-ориентированный курс, направленный на интеграцию новейших технологий искусственного интеллекта в современную биологию и медицину.

В рамках курса студенты познакомятся с основными принципами традиционных методов обработки изображений, теоретическими основами машинного обучения и глубокого обучения, а также с практическими аспектами их применения. Особое внимание будет уделено изучению реальных кейсов, работе с различными типами биологических и медицинских изображений, а также внедрению алгоритмов, способных решать конкретные задачи в данных областях.

Как отмечает Елизавета, идея разработки собственного курса пришла к ней ещё во время обучения на курсе “Нейронные сети и их применение в научных исследованиях”.

“Наша группа была достаточно смешанной: были физики, биологи, химики и несколько человек из других областей наук. Мне, как человеку с медицинским образованием, занимающемуся исследованиями в области регенеративной медицины, не хватало примеров из своей профессиональной области. Хотелось как можно больше узнать именно о том, как развивается применение ИИ в области медико-биологических наук.

И самое главное – мне захотелось внедрить свои находки и знания на факультете, поскольку я сама совсем недавно была студенткой и хорошо помню, каково было обрабатывать огромные объёмы данных вручную.

Выполняя свою научную работу как в рамках обучения на факультете фундаментальной медицины, так и в своей дальнейшей профессиональной деятельности, мои коллеги зачастую обрабатывают большое количество изображений. Это могут быть МРТ-снимки, микроскопия клеток и срезов тканей и многое-многое другое.

Разработанный мною курс нацелен именно на то, чтобы помочь студентам и сотрудникам разобраться в различных методах работы с изображениями: начиная от того, как устроены разные виды изображений и какие простейшие преобразования с ними можно делать, заканчивая тем, как использовать state-of-the art нейросетевые методы для разметки, классификации и интерпретации данных.

Курс «Нейронные сети и их применение в научных исследованиях» очень помог мне "влиться" в область ИИ-исследований, понять, какие возможности открывает данная область науки для учёных из моей сферы и самое главное – помог мне выстроить логику и структуру собственного курса.” – отмечает Елизавета.

2. "Нейронные сети и их применение в прикладных задачах космических исследований". Автор курса: Никита Беляков – сотрудник Факультета космических исследований МГУ, выпускник MSU.AI.

В рамках курса будут рассмотрены отличия машинного обучения от глубокого, фреймворк Pytorch для написания нейросетей, их обучения, валидации, тестирования, создания собственных классов датасетов. Слушатели курса научатся самостоятельно писать основные нейросетевые архитектуры для решения прикладных задач сегментации, детекции, классификации и регрессии, прогнозирования временных рядов. Основной акцент будет уделен полносвязным и сверточным нейросетевым архитектурам, автоэнкодерам и рекуррентным моделям для работы с временными рядами.

В рамках курса будут подробно рассмотрены тонкости и проблемы обучения моделей, особенности работы с реальными и, в особенности космическими, данными.

По словам Никиты в разработке собственной программы обучения ему помогло обучение на курсе “Нейронные сети и их применение в научных исследованиях” и открытые материалы программы.

“Окончив курс от MSU.AI, я стал по-настоящему глубоко разбираться в проблематике искусственного интеллекта и научился применять его в широком спектре задач.

Ранее я проходил многие МФК и спецкурсы по машинному и глубокому обучению, но все они не давали мне должного понимания предмета и практических навыков.

Вдохновившись учебными материалами и блокнотами от команды MSU.AI, я загорелся идеей также глубоко и понятно построить свой собственный курс для студентов моего факультета космических исследований.

Лицензия СС0 открытых учебных материалов курса “Нейронные сети и их применение в научных исследованиях” позволила мне использовать часть информации из их блокнотов и легла в основу формирования моего собственного курса, но была существенно дополнена и переориентирована на применение ИИ именно к обработке данных, связанных с космосом.

Без MSU.AI, собственно, никогда бы не было ни таких понятных и доступных материалов, ни глубокого понимания предмета у меня, позволивших передавать эти знания другим студентам!” – отметил Никита Беляков.

3. «Машинное обучение в гидрометеорологии». Автор курса: Михаил Варенцов

Цель курса – усвоение основных принципов функционирования современных методов машинного обучения и особенностей их применения в задачах гидрометеорологии; овладение приемами применения этих методов и необходимых для этого техническими (программными) средствами.

Курс знакомит с основными типами задач, актуальных для гидрометеорологии, решаемых в подходе наук о данных; с основными видами методов машинного обучения и основанных на них приемах анализа данных; позволит освоить современные технические (программные) средства анализа данных и машинного обучения (набором библиотек языка программирования Python); получить навыки применения методов машинного обучения в типичных задачах гидрометеорологии с учетом специфики используемых данных.

4. «Методы машинного обучения в дизайне белков». Автор курса: Андрей Головин.

Цель курса – ознакомить слушателей с известными решениями в области вычислительного генеративного дизайна белковых молекул и привить практические навыки к использованию этих методов и изучить возможности по их модификации и развитию.

Курс необходим слушателям, которые так или иначе вовлечены в работы по исследованию как белковых молекул, так и более сложных систем с их участием, ожидаемо, что такие специалисты могут востребованы рядом ведущих российских фармацевтических компаний, которые разрабатывают передовые препараты с использованием инженерных белковых молекул.

Команда курса “Нейронные сети и их применение в научных исследованиях” поздравляет победителей Конкурса молодых учёных фонда “Интеллект” и желает успешного запуска образовательных программ по ИИ.

Развиваем российскую науку и искусственный интеллект вместе, под эгидой фонда “Интеллект”!

Также напоминаем, что до 20 августа включительно идёт приём заявок на курс “Нейронные сети и их применение в научных исследованиях”. Успейте подать заявку по ссылке https://msu.ai/nabor

Наши преподаватели не только научат применять ML/DL в научных исследованиях, но и помогут в подготовке научной публикации с применением ИИ в исследовании.

Обращаем внимание, что для поступления на курс предусмотрены входные требования!